文章详情
| 稿件标题： | 基于机器学习的异步电机故障诊断方法 |
| 稿件作者： | 霍琳1,胡正宇1,徐海2,张磊2,盖迪1 |
| DOI： | 10.11809/bqzbgcxb2024.08.003 |
| 科学编辑： | 黄景德 博士（珠海科技学院 教授、博导） |
| 栏目名称： | 装备可靠性工程专栏 |
| 关键词： | 异步电机；故障诊断；卷积神经网络；双向长短时记忆网络；注意力机制 |
| 文章摘要： | 针对以往异步电机故障诊断中特征提取能力不足导致诊断效果较差的问题，提出了一种基于机器学习的异步电机故障诊断方法，该方法使用了注意力机制（AM）的多尺度卷积神经网络（MSCNN）双向长短时记忆网络（BiLSTM）的异步电机故障诊断模型，通过加入通道注意力机制改进学习机制，使用3种不同尺度提取数据特征，使用BiLSTM对周期故障振动信号进行时序特征的提取，添加自注意力机制关注重点故障特征，引入残差模块减少噪声和冗余数据的影响，最后，通过Softmax分类输出诊断结果。结果表明，该模型能够有效提取数据集中的故障特征，与其他4种常见模型进行对比，体现其稳定性和高诊断性能，针对异步电机故障诊断的准确率达到98.5%。 |
| 引用本文格式： | 霍琳,胡正宇,徐海,等.基于机器学习的异步电机故障诊断方法［J］.兵器装备工程学报，2024，45(8)：18-25. HUO Lin, HU Zhengyu, XU Hai, et al.Machine learning based fault diagnosis method for asynchronous motors［J］.Journal of Ordnance Equipment Engineering，2024，45(8)：18-25. |
| 刊期名称： | 2024年08期 |
| 出版时间： | 2024年9月 |
| 收稿日期： | 2023-12-18 |
| 修回日期： | 2024-04-14 |
| 录用日期： | 2024-05-21 |
| 上线时间： | 2024年9月2日 |
| 浏览次数： | 743 |
| 下载次数： | 60 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |